放射性药物是可用于诊断或治疗目的的药物，由放射性同位素与有机分子键合组成。有机分子将放射性同位素传递至特定的器官、组织或细胞。 ​ 根据特性选择放射性同位素发射穿透伽马射线的放射性同位素用于诊断（成像），发出的辐射脱离身体后被特定仪器（SPECT / PET相机）检测到。通常，用于成像的同位素产生的辐射在1天后通过放射性衰变和正常的身体排泄完全消除。最常见的用于成像的同位素是：99mTc、I123、I131、Tl201、In111和F18。 ​ 发射短程粒子（α或β）的放射性同位素用于治疗，因为它们能够在非常短的距离内失去所有能量，因此产生大量局部伤害（例如细胞破坏）。该特性用于治疗目的：破坏癌细胞，骨癌或关节炎的姑息治疗中减缓疼痛。这类同位素在体内的停留时间比成像同位素更长；用来提高治疗效率，但仍然限制在几天内。最常见的治疗同位素是：I131、Y90、Rh188和Lu177。 ​ 放射性药物的工作原理是：基于使用分子“出租车”，将受控剂量的放射性活度特异性地传递至目标患病组织（通常是癌细胞），以便根据所用放射性核素的类型可视化（诊断）或治愈（治疗）组织。放射性药物通常包含负责将放射性核素引导至目标组织的生物载体（抗体、肽等）。双功能螯合剂牢固地抓住放射性核素并确保与生物载体之间的牢固结合。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本技术利用光子晶体微球的颜色对待测生物分子进行编码，一种颜色的微球可以检测一种分子，与微孔板或者微流控芯片相结合，通过自动化的流体控制和光学检测完成样品中多个组分的同时检测，获得2011教育部自然科学一等奖和2014瑞士国际发明展特别金奖，同时获专利授权10余项。本技术成果包括了光子微球、微流控芯片和自动化芯片分析检测仪三部分，可以用于肿瘤、感染性疾病（HIV、SARS、肝炎、禽流感等）、心血管疾病（高血压、心脏病）检测等。希望合作研发和生产，投资规模在200万人民币左右。

高能球磨是一个高能量干式球磨过程。简单地说，它是在高能量磨球的撞击研磨作用下，使研磨的粉末之间发生反复的冷焊和断裂，形成细化的复合颗粒，发生固态反应形成新材料的过程。和常规的冶炼工艺及一般的快速凝固非平衡工艺相比，高能球磨工艺有以下几大特点： 1、工艺简单，易于工业化生产，产量大(一台大型球磨机日产量可达吨级)。 2、整个过程在室温固态下进行，无需高温熔化，工艺简单灵活。 3、合成制备材料体系广，不受平衡相图的限制。 4、可得到其它技术较难得到的组织结构，如宽成分范围的非晶合金、超饱和固溶体、纳米晶合金及原位生成的超细弥散强化结构。 5、可合成制备常规方法无法得到的合金，特别是不互溶体系合金、熔点差别大的合金、比重相差大的合金及蒸汽压相差较大的合金等难熔合金的制备。

（专利号：ZL 201210405037.3） 简介：本发明提供一种球冠半径快速在线检测装置，属于工业测量技术领域。该装置包括激光器，激光线垂直调整机构，垂直光栅尺，传感器控制器，激光器升降副，光栅尺定尺，读数头，纵移气浮座，RS-422信号转换模块，电动推杆，工件，显示与输入面板，控制器，报警器，纵向轨道，十字滑块，横移气浮座，检测台以及气浮垫；由电动推杆驱动，光栅尺测量位移数据，通过RS-422信号转换模块和控制器将信号传递给显示与输

球盘式摩擦磨损实验机,是结合教师的科研方向完成的，该装置可以使学生加深对机械设计课中摩擦磨损与润滑概念的理解；了解摩擦学实验基本方法；，熟悉摩擦学研究方法；掌握相关的测试手段及评价分析方法。 球盘式摩擦磨损实验机用于我校本科生机械设计课中摩擦学的实验教学、摩擦学18学时的综合实验、研究生摩擦学基础课程的实验及科学研究。2007年该装置获哈尔滨工业大学教学成果一等奖。

产品简介： HS300振动球磨仪是专业用于实验室少量、多种样品快速制备的仪器。不仅适用于对硬性、中硬性、脆性，软性、弹性、纤维质材料的细粉碎和精细研磨，还适用于小量样品，进行快速干磨、湿磨或者冷冻研磨。此外，高通量组织研磨仪还特别适用于生物细胞破壁以及DNA/RNA的提取。以其优越的性能和高超的灵活度而成为实验室的不可缺少的仪器。 应用： 生物学：细胞破壁提取DNA/RNA，植物的根、茎、叶、谷物、种子；人体及动物组织等 农业：种子、谷物、烟草、木材等 玻璃工业：玻璃、原材料等 陶瓷工业：烧结陶瓷、电陶瓷、黏土等 建筑行业：矿渣、石料、水泥等 环境：土壤、固废、电子废物、橡胶、塑料等等 食品药品 工作原理： 将样品研磨球放入研磨容器内（如研磨罐或离心管/适配器），在高频摆动作用下，研磨球在研磨容器内来回高速撞击及摩擦，在几秒到几分钟内轻松实现样品的研磨、粉碎、混合及细胞破壁。 冷冻研磨： 通过预冷冻样品（研磨罐、适配器可一起冷冻），HS300可以地对热敏性、粘性、弹性等样品进行研磨。研磨罐采用旋盖式密封设计，有效防止空气中的水份在冷冻样品上的冷凝，杜绝水蒸气进入样品，保证后续分析结果的准确性。   高通量研磨： HS300振动球磨仪可配多孔适配器，一次可处理多达192个动植物组织样品，适配器的使用不仅为多个样品制备提供了高重复性、高质量的结果，而且节省了时间，提高了效率。为下一步实验提供了可靠的分析基础。    技术特点： 液晶触摸屏操作方式，功能齐全，应用广泛 快速、高效的研磨，可重复实验，在几秒钟之内高效完成研磨、混合和样品均样化 多种材质和规格的配件可选，防止研磨时对样品污染 研磨时间和振动频率可连续调节，操作方便 干磨、湿磨、冷冻研磨均可 10组存储程序，实现样品的重复性  研磨结果具有高度可重复性 技术参数： 应用 粉碎、混合、均质化、细胞破碎、提取DNA,RNA、冷冻研磨 应用行业 生物、医药、农业、地质、法医、食品、冶金、化工、RoHS检测、玩具、环境、高校 样品特征 硬性、中硬性、软性、脆性、弹性、含纤维 原理                          撞击力，摩擦力 进样尺寸 ≤ 10mm 最终出料粒度 约 5µm（根据样品特质而定） 研磨平台 2个 振动频率 100-2200r/min(液晶显示，连续可调) 批次粉碎样品量 0.2-100ml 粉碎时间 5 s - 2 min 干磨/湿磨/低温研磨 是 适配器 4孔、5孔、6孔、10孔、12孔、20孔、24孔、48孔、96孔 储存程序 10组储存程序 操作方式 液晶触屏 自动中心定位锁紧装置 是 间歇模式 有 间歇时间 1s～99min59s (连续可调，液晶显示） 间歇运行时间 1s～99min59s (连续可调，液晶显示） 研磨罐类型 旋盖型研磨罐 研磨套件材料 硬质刚, 不锈钢, 碳化钨, 玛瑙, 氧化锆, 聚四氟乙烯（PTFE）,特氟龙 研磨套件尺寸 0.2ml/1.5 ml /2ml/ 5 ml / 10 ml / 25 ml / 35 ml / 50ml 粉碎时间设定 1s-99min59s 电源 220V 50 Hz 净重 25 kg  

包虫病是由棘球绦虫寄生于人体或宿主动物而引起的严重寄生虫疾病。而我国是同时有囊型和泡状两种类型的包虫病高发区。目前临床应用最广泛的抗包虫病药物是阿苯达唑，但是该药的肠道吸收率很差，而且其一般只能抑制寄生虫生长而不能彻底有效杀灭寄生虫，导致患者必须长期大量服用该药物才能达到治疗效果。与此同时，大量的研究发现该药可引起多系统的严重药物不良反应。因此，寻找或开发疗效显著且副作用小的包虫病治疗新药物具有重大的意义。 棘球绦虫获取能量的主要方式通过糖酵解过程。而甘油醛 3-